待验证50% 置信事实精确时间
绝大多数RLHF标注工作以英语为主，导致不同语言间对齐质量存在结构性失衡
1
来源数
50%
置信度
长期有效
时效性
2026/7/16
首次发现
来源
相关事实
待验证Anthropic、OpenAI等机构的对齐标注工作大量依赖英语母语标注员，绝大多数RLHF标注工作以英语为主78% 相似待验证许多模型的安全对齐在非英语语言中表现显著下降，低资源语言尤其容易被利用，因为RLHF对齐训练的人类标注数据高度集中在英语上76% 相似待验证RLHF标注工作对标注者要求远高于传统众包任务，需要具备较强的语言理解能力、领域知识乃至编程能力71% 相似待验证英式发音（RP）与美式发音选一种为主，避免同一套读物内英美混杂，早期混杂会干扰儿童音素辨识；后续可作对比拓展66% 相似待验证OpenAI的RLHF和Anthropic的Constitutional AI等主流对齐方法本质上包含对输出语言风格的隐性约束65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/532880API
curl https://kongchang.com/api/v1/knowledge/claims/532880MCP
get_claim(id=532880)